Uma análise comparativa de técnicas de segmentação para imagens odontológicas

Abstract

A segmentação de imagens odontológicas é uma etapa fundamental para a análise automatizada de exames radiográficos, pois possibilita a identificação precisa de estruturas anatômicas relevantes para o diagnóstico clínico. Este trabalho tem como objetivo realizar uma análise comparativa entre diferentes técnicas tradicionais de segmentação aplicadas a radiografias panorâmicas odontológicas. Foram avaliados métodos baseados em contornos ativos, agrupamento e modelagem estatística, especificamente Chan-Vese, Morphological Chan-Vese, K-means e Gaussian Mixture Model. A metodologia consistiu na aplicação dessas técnicas a um conjunto de imagens radiográficas previamente segmentadas por especialistas, utilizado como referência (ground truth), seguido da avaliação quantitativa por meio das métricas de acurácia, precisão, recall, especificidade e F1-score, além de análise qualitativa dos resultados obtidos. Os resultados indicam que os métodos tradicionais apresentam desempenho satisfatório em imagens com bom contraste e baixa complexidade estrutural, porém demonstram limitações em cenários com ruído, baixo contraste e sobreposição anatômica. Dentre os métodos analisados, o Morphological Chan-Vese apresentou desempenho global superior, evidenciando maior robustez e equilíbrio entre as métricas avaliadas. Conclui-se que a escolha da técnica de segmentação deve considerar as características da imagem, o objetivo clínico e os recursos computacionais disponíveis, contribuindo para o desenvolvimento de sistemas de apoio ao diagnóstico odontológico.